[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 11، شماره 2 - ( 2-1401 ) ::
جلد 11 شماره 2 صفحات 11-0 برگشت به فهرست نسخه ها
ارائه روشی جهت مدیریت عدم قطعیت‌ نیروگاه‌های خورشیدی در روش تأمین مالی پروژه‌ای
حسین جدیدی1 ، افشین فیروزی1 ، محمدعلی رستگار* 2، مجید زندی3
1- گروه مهندسی عمران، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
2- گروه مهندسی مالی، دانشکده مهندسی صنایع، دانشگاه تربیت مدرس، تهران، ایران
3- گروه مهندسی انرژی های تجدیدپذیر، دانشگاه شهید بهشتی، تهران، ایران
چکیده:   (988 مشاهده)

 

تأمین مالی برای اجرای پروژه­های بزرگ از جمله احداث نیروگاه­های خورشیدی محور اصلی توسعه­ی اقتصادی است. از منظر سرمایه­گذار، تأمین مالی پروژه­ها، به دو روش کلی شراکت و یا وام­دهی انجام می شود. یکی از روش­های تأمین مالی مبتنی بر وام­دهی، روش تأمین مالی پروژه­ای است که در این پژوهش به آن پرداخته می­شود. در سرمایه­گذاری از طریق وام­دهی، هرچه تخمین وام­دهنده از عدم ­قطعیت (ریسک) جریان نقدی آتی پروژه کمتر باشد، تمایل بیشتری برای سرمایه گذاری دارد. از آنجایی که تأمین مالی پروژه­ای به عنوان یک روش با تضمین محدود شناخته می­شود، تمایل وام­دهنده برای مشارکت در آن، وابسته به قابلیت اعتماد جریان نقدی مورد انتظار پروژه در آینده است. در این مقاله، عدم قطعیت­هایی که منجر به نوسان درآمد مورد انتظار نیروگاه­های خورشیدی می­شود از منابع مختلف شناسایی شده است. از طریق شبیه­سازی مونت کارلو، توزیع احتمالی نسبت پوشش بازپرداخت بدهی در هر سال از دوره­ی عمر وام برای یک نیروگاه 10 مگاواتی خورشیدی تخمین زده شده و احتمال نکول شرکت پروژه در هر سال محاسبه شده است. سپس با استفاده از آنالیز حساسیت نسبت به اهرم مالی، میزان قابل قبول سهم و قرض در ساختار تأمین مالی قابل تعیین است. روشی که در این مقاله برای تخمین درآمد نیروگاه خورشیدی استفاده شده، قابلیت تعمیم به سایر نیروگاه­های خورشیدی را، با لحاظ عدم قطعیت­های مختص محل احداث دارد. نتایج این پژوهش و استفاده از روش تخمین درآمد نیروگاه خورشیدی، با در­نظر­گرفتن عدم قطعیت­ها، منجر به تصمیم­گیری قابل­اعتمادتر وام­دهنده و تسهیل فرآیند جذب سرمایه­گذار توسط شرکت پروژه می­شود.

شماره‌ی مقاله: 1
واژه‌های کلیدی: نیروگاه خورشیدی، احتمال نکول، تأمین مالی پروژه‌ای، اهرم مالی، نسبت پوشش بازپرداخت بدهی، شرکت پروژه، شاخص سود‌آوری
متن کامل [PDF 865 kb]   (21 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: 1400/9/27 | پذیرش: 1400/11/27 | انتشار: 1401/3/29
فهرست منابع
1. Allouhi, A., Saadani, R., Buker, M., Kousksou, T., Jamil, A., & Rahmoune, M. (2019). Energetic, economic and environmental (3E) analyses and LCOE estimation of three technologies of PV grid-connected systems under different climates. Solar Energy, 178, 25-36. [DOI:10.1016/j.solener.2018.11.060]
2. Ang, A. H.-S., & Tang, W. H. (2007). Probability concepts in engineering: emphasis on applications in civil & environmental engineering (Vol. 1): Wiley New York.
3. Blanc-Brude, F. (2013). Towards Efficient Benchmarks for Infrastructure Equity Investments. A review of the literature on infrastructure equity investment and directions for future research. EDHEC-RISK Institute, janvier.
4. Blanc-Brude, F., & Hasan, M. (2016). A Structural Model of Credit Risk for Illiquid Debt. The Journal of Fixed Income, 26(1), 6-19. [DOI:10.3905/jfi.2016.26.1.006]
5. Blanc-Brude, F., Hasan, M., & Whittaker, T. (2018). Calibrating credit risk dynamics in private infrastructure debt. The Journal of Fixed Income, 27(4), 54-71. [DOI:10.3905/jfi.2018.27.4.054]
6. Borgonovo, E., & Gatti, S. (2013). Risk analysis with contractual default. Does covenant breach matter? European Journal of Operational Research, 230(2), 431-443. [DOI:10.1016/j.ejor.2013.04.047]
7. Capital, L. (2020). LAZARD's Levelized Cost of Energy Analysis Version 12.0 https://www. lazard. com/media/450784/lazards-levelized-cost-of-energy-version-120-vfinal. pdf. Accessed 7th May.
8. DBRS. (2018). Rating Solar Power Projects. Retrieved from http://www.dbrs.com
9. Donovan, C. W. (2015). Renewable energy finance: powering the future: World Scientific Publishing Co. Pte. Ltd. [DOI:10.1142/p1030]
10. Egli, F., Steffen, B., & Schmidt, T. S. (2018). A dynamic analysis of financing conditions for renewable energy technologies. Nature Energy, 3(12), 1084-1092. [DOI:10.1038/s41560-018-0277-y]
11. Garcia-Bernabeu, A., VITORIA, F. M., & Verdú, F. M. (2015). Project finance recent applications and future trends: the state of the art. Paper presented at the International Journal of Business and Economics.
12. Gatti, S. (2013). Project finance in theory and practice: designing, structuring, and financing private and public projects: Academic Press.
13. Gatti, S., Rigamonti, A., Saita, F., & Senati, M. (2007). Measuring Value‐at‐Risk in Project Finance Transactions. European Financial Management, 13(1), 135-158. [DOI:10.1111/j.1468-036X.2006.00288.x]
14. Gholami, A., Khazaee, I., Eslami, S., Zandi, M., & Akrami, E. (2018). Experimental investigation of dust deposition effects on photo-voltaic output performance. Solar Energy, 159, 346-352. [DOI:10.1016/j.solener.2017.11.010]
15. IRENA. (2019). Renewable power generation costs in 2018. International Renewable Energy Agency, Abu Dhabi, UAE.
16. Jadidi, H., Firouzi, A., Rastegar, M. A., & Zandi, M. (2020). Bayesian updating of solar resource data for risk mitigation in project finance. Solar Energy, 207, 1390-1403. [DOI:10.1016/j.solener.2020.07.096]
17. Kleissl, J. (2013). Solar energy forecasting and resource assessment: Academic Press.
18. Litjens, G., Worrell, E., & Van Sark, W. (2018). Economic benefits of combining self-consumption enhancement with frequency restoration reserves provision by photovoltaic-battery systems. Applied Energy, 223, 172-187. [DOI:10.1016/j.apenergy.2018.04.018]
19. Mora, E. B., Spelling, J., van der Weijde, A. H., & Pavageau, E.-M. (2019). The effects of mean wind speed uncertainty on project finance debt sizing for offshore wind farms. Applied Energy, 252, 113419. [DOI:10.1016/j.apenergy.2019.113419]
20. Pacudan, R. (2016a). Financing Solar PV Projects: Energy Production Risk Reduction and Debt Capacity Improvement. Chapters, 297-320.
21. Pacudan, R. (2016b). Implications of applying solar industry best practice resource estimation on project financing. Energy Policy, 95, 489-497. [DOI:10.1016/j.enpol.2016.02.021]
22. Payeras, J. (2015). Utility-Scale Solar Photovoltaic Power Plants. In A Project Developer's Guide.
23. Polo, J., Fernández-Peruchena, C., Salamalikis, V., Mazorra-Aguiar, L., Turpin, M., Martín-Pomares, L., . . . Remund, J. (2020). Benchmarking on improvement and site-adaptation techniques for modeled solar radiation datasets. Solar Energy, 201, 469-479. [DOI:10.1016/j.solener.2020.03.040]
24. Polo, J., Wilbert, S., Ruiz-Arias, J. A., Meyer, R., Gueymard, C., Suri, M., . . . Grant, I. (2016). Preliminary survey on site-adaptation techniques for satellite-derived and reanalysis solar radiation datasets. Solar Energy, 132, 25-37. [DOI:10.1016/j.solener.2016.03.001]
25. Polzin, F., Egli, F., Steffen, B., & Schmidt, T. S. (2019). How do policies mobilize private finance for renewable energy?-A systematic review with an investor perspective. Applied Energy, 236, 1249-1268. [DOI:10.1016/j.apenergy.2018.11.098]
26. PVsyst. (2020). PVsyst. Retrieved from http://www.pvsyst.com
27. Stackhouse, P., & Whitlock, C. (2009). Surface meteorology and solar energy (SSE) release 6.0 Methodology, NASA SSE 6.0. Earth Science Enterprise Program, National Aeronautic and Space Administration (NASA), Langley, 7(3), 291-313.
28. Steffen, B. (2018). The importance of project finance for renewable energy projects. Energy Economics, 69, 280-294. [DOI:10.1016/j.eneco.2017.11.006]
29. Stoffel, T. (2013). A review of measured/modeled solar resource uncertainty. Paper presented at the Sandia PV Performance Modeling Workshop Getting to PV Performance Model Input Uncertainty Measurements.
30. Thevenard, D., Driesse, A., Pelland, S., Turcotte, D., & Poissant, Y. (2010). Uncertainty in long-term photovoltaic yield predictions: Natural Resources Canada Ottawa, ON, Canada.
31. Thevenard, D., & Pelland, S. (2013). Estimating the uncertainty in long-term photovoltaic yield predictions. Solar Energy, 91, 432-445. [DOI:10.1016/j.solener.2011.05.006]
32. Weber, B., Alfen, H. W., & Staub-Bisang, M. (2016). Infrastructure as an asset class: investment strategy, sustainability, project finance and PPP: John wiley & sons. [DOI:10.1002/9781119226574]
33. Yang, D. (2020). Ensemble model output statistics as a probabilistic site-adaptation tool for satellite-derived and reanalysis solar irradiance. Journal of Renewable and Sustainable Energy, 12(1), 016102. [DOI:10.1063/1.5134731]
34. Ye, L.-C., Rodrigues, J. F., & Lin, H. X. (2017). Analysis of feed-in tariff policies for solar photovoltaic in China 2011-2016. Applied Energy, 203, 496-505. [DOI:10.1016/j.apenergy.2017.06.037]
35. Yun, S., Han, S. H., Kim, H., & Ock, J. H. (2009). Capital structure optimization for build-operate-transfer (BOT) projects using a stochastic and multi-objective approach. Canadian Journal of Civil Engineering, 36(5), 777-790. [DOI:10.1139/L08-134]
36. گاتی، ا، (1397). تأمین مالی پروژه ای در تئوری و عمل، ترجمه¬ی¬ فیروزی، ا، انتشارات فرهنگ صبا.
37. مورالس،خ، مادسن، ه، پینسون، پ، زوگنو، م، (1395). مشارکت منابع تجدیدپذیر در بازار برق، ترجمه¬ی الهیاری، آ، موسسه انتشارات علمی دانشگاه صنعتی شریف.


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Jadidi H, Firouzi A, Rastegar M A, Zandi M. A method for uncertainty management of solar power plants in project finance. ieijqp. 2022; 11 (2)
URL: http://ieijqp.ir/article-1-870-fa.html

جدیدی حسین، فیروزی افشین، رستگار محمدعلی، زندی مجید. ارائه روشی جهت مدیریت عدم قطعیت‌ نیروگاه‌های خورشیدی در روش تأمین مالی پروژه‌ای. نشریه کیفیت و بهره وری صنعت برق ایران. 1401; 11 (2)

URL: http://ieijqp.ir/article-1-870-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 11، شماره 2 - ( 2-1401 ) برگشت به فهرست نسخه ها
نشریه علمی- پژوهشی کیفیت و بهره وری صنعت برق ایران Iranian Electric Industry Journal of Quality and Productivity
Persian site map - English site map - Created in 0.06 seconds with 29 queries by YEKTAWEB 4414